基于大數據的水質監測技術初探

邵璇 田文君

摘 要 對水質進行實時動態監測，做好水質預警監測工作，成為保護水資源、實現水資源可持續利用的重要工作。文章從大數據發展，大數據的體系結構，構建大數據水質監測平臺，構建水質監測評價模型，基于大數據的水質監測設計，在大數據平臺實施水質監測與異常捕獲等幾個方面，對水質監測技術相關問題展開論述，為做好基于大數據的水質監測工作提供參考。

關鍵詞 大數據；水質監測；數據采集；監測平臺

中圖分類號 G2 文獻標識碼 A 文章編號 1674-6708（2018）208-0075-02

近年來，水環境污染造成了嚴重經濟損失，破壞生態環境。城市河流湖泊生態系統遭到損壞，嚴重威脅到人們的生產與生活用水。對環保的重視力度從國家層面不斷加大，在水質檢測信息化建設方面政府的投入逐漸增加，在全國范圍內推廣應用全自動水質監測預警站點。由于水環境風險防范形勢日益嚴峻，我國對水質檢測風險預警的能力有待提高，以滿足水質風險管控的需求。大量研究成果為水環境風險評價預警能力提升提供了支撐，但仍然存在許多問題。主要體現在如下幾個方面：現有數據有效利用較少、難以滿足業務需求、平臺化與流程化的風險評價沒有實現，使得水環境評價預警難以滿足生態環保需求。

大數據是信息化發展的產物，是指高速獲取、傳輸、存儲與分析大量種類與來源繁多的復雜數據，利用相對經濟的方法提取其價值，通過處理海量數據，獲得高價值產品與服務。

隨著水環境監測要求的提高，水質監測的新問題包括：大數據、實時監控、精準度。本文在分析大數據與水質檢測特性的基礎上，給出了通用化的大數據水質監測設計架構，成為水質大數據分析與處理的關鍵，為進一步深入探討基于大數據的水質監測技術打下基礎。

1 基于大數據的水質監測

基于大數據的水質監測技術在信息與計算機以及傳統水質監測技術等基礎上，不斷積累發展起來，實現了水質監測的信息化與智能化需求，是水質監測與新興技術相結合的產物。基于大數據的水質監測綜合利用了大數據與云計算技術，在水質監測中，采集到海量數據后，運用云計算技術的分布式存儲與并行計算，滿足水質監測大數據的計算與存儲需求。

大數據技術針對數據量大、具有實時性、動態性的數據，利用新的模型與系統工具數據挖掘，獲取信息并應用。大數據技術以云計算數據處理和分布式存儲為基礎。大數據水質監測的發展，是云計算技術在水質監測中的高級實現。大數據技術的體系結構如圖1所示。

2 大數據水質監測平臺的構建

數據來源。水質檢測與評價中，主要從3個方面獲取數據：一是通過人工方式采集數據，人工定點對水質監測區域進行取樣，獲取相關水質信息，對水域周圍的環境狀況進行問卷調查、水域周邊地貌狀況；二是過傳感器現場實時采集的水質數據；三是通過網絡抓取的水域屬地污染源以及排放物、天氣預報情況等數據信息。對水質進行實時動態檢測，不但要采集水質相關特征數據，還要對周邊環境，排污狀況，區域水源，地形地貌等，由于數據類型的多樣性，需要配以多樣化的存儲方式。需要進行整理與歸類，量化統一后再標準化存儲。

水質特征：常規水質指標是根據地表水環境質量標準確定的，目標層是對城市河流健康狀況的評價，指標層劃分為水質綜合標識指數、感觀水質狀況和水體黑臭指數。借助大數據平臺，把采集到的水質監測數據資料量化處理、統一數據格式，并進行分布式存儲后，利用大數據平臺所提供的資源進行分布式計算，建立水質風險評價模型對水質狀況進行分析。

水質監測評價模型的構建。構建數學模型是進行水質監測綜合評價預警的關鍵。隨著數學理論針對水資源監測管理領域的應用研究不斷深入，計算機技術的飛速發展，使得諸多數學模型與數學方法在實際中的應用更加廣泛；由于水體本身的多元特性，而且相當復雜，有眾多因素會對水質產生影響，沒有統一可尋的規律性，這些因素共同作用，使得對水質監測的風險評價充滿了模糊性。因此，在水質監測評價中缺乏被廣泛接受與使用的方法，對水質監測中的水環境風險綜合評價預警模型的構建，一直處于不斷開發、改進與發展中。

數據平臺實施水質監測與異常捕獲。水質監測數據平臺能夠遠程監控水質監測數據，實時動態分析水質數據，捕獲異常情況。數據平臺的告警子系統通過智能計算水質數據，準確判斷異常狀況，捕獲異常并推送告警信息到監測終端。以溫控測量為監測指標為例，當測量溫度監測為非法值時，監測平臺顯示異常結果。其中的詳細信息中，包括儀表類型、非法數值等。對監測異常結果以關注后推送的方式進行實時提醒；依據異常告警次數，對站點進行告警排行，以數據報告的形式將特定固定時段的告警次數提供給管理者，以便采取適當的處理措施。

基于大數據的水質監測設計。以監測數據的采集、處理、結果分析、狀態呈現為主流程，將基于大數據的水質監測結果通過可視化的形式呈現出來。在基于大數據的水質監測設計中，劃分為4個層次：基礎差、數據層、中間層和表現層。其中，基礎層主要部署了相關的水質數據采集設備，包括水質數據傳感器、在線監測儀、定點監測儀等水質數據采集設備；數據層是存儲水質等相關數據信息的，部署了基礎數據庫和水質數據庫；中間層主要從數據層的數據庫中獲取相關數據，完成水質數據獲取與數值數據監測等數據挖掘服務，并做好數據管理工作，如水質數據管理、后臺管理、圖表統計等；表現層主要提供水質控制目標，地圖顯示以及水質監測狀態等。基于大數據的水質監測設計如圖2所示。

3 結論

構建基于大數據的監測平臺，對水質進行監測預警，技術設計目標是：收集影響水質的相關指標參數，并統一格式化存儲，分類管理與分析監測指標，發現影響水質的關鍵參數指標。以大數據平臺為依托，合理選擇模型算法，利用對海量數據的分析學習與模型訓練結果，構建分析預警模型，實時發送監測信息到前臺。對水質監測技術的研究，主要從3個方面開展工作：用于進行水環境監測的數據來源不同，采集方式差異較大，為了統一查詢分析數據，需要統一存儲和訪問不同來源數據；研究基于大數據平臺的數據挖掘以及相關數據分析方法，提取影響水質的關鍵因子；構建水質評價預警模型，并經過反復試驗，最終選擇一個水質監測預測準確度高的模型。

參考文獻

[1]鄧淑珍，鄭爽，馬穎卓.無錫河長制“升級版”揚帆起航[J].中國水利，2017（7）：6-11.

[2]劉予偉，劉東潤，陳獻耘.大數據在水資源管理中的應用展望[J].水資源研究，2015，4（5）：470-476.

[3]王永桂，張萬順，夏晶晶，等.基于大數據的水環境風險業務化評估與預警研究[J].中國環境管理，2017（2）：43-50.